XLSTAT: Análisis de vida útil del producto en Excel

 

Datos para el análisis

Los datos utilizados en este articulo corresponden a la evaluación de un zumo de fruta fresca por 19 jueces en diferentes momentos. Los zumos se han probado 6 veces al día (1, 2, 3, 4, 5 y 6). Los evaluadores han dado su gusto (sí / no) en todos estos momentos. En los datos, las evaluaciones de los jueces se codifican utilizando el 0 cuando la evaluación es negativa y 1 cuando es positiva. Este es el formato de datos:

Usted puede cambiar el valor (0/1) a cualquier otro valor en XLSTAT (sí/no, por ejemplo).

Objetivo del análisis

El objetivo de este análisis es visualizar el mejor periodo para poner un producto en una estantería para venderlo. Los modelos de supervivencia paramétricos se usan para modelar el tiempo en el que un evento tiene lugar.

Configuración

Tras abrir XLSTAT, seleccione el comando XLSTAT-Análisis de datos sensoriales / Sensory Shelf Life Analysis (ver más abajo), o bien haga clic en el botón correspondiente de la barra de herramientas XLSTAT-Análisis de datos sensoriales  .

 Una vez que haya hecho clic en el botón, aparece el cuadro de diálogo. Seleccione la tabla evaluador x fecha presentada anteriormente y una columna con el valor asociado a cada fecha en el cuadro de datos de tiempo. Utilizamos la distribución de Weibull para ajustar el modelo.

 El resto de las opciones se dejan con sus valores predeterminados.

Interpretación de los resultados de un análisis de vida útil de un producto

Después de haber hecho clic en el botón OK, comienzan los cálculos.

La primera tabla corresponde a los estadísticos de resumen básicos asociados a los datos de tiempo. También se muestra un gráfico que ofrece una visión general de las respuestas de los jueces.

Este gráfico muestra una disminución en el número de jueces que aprecian el zumo de naranja. Al final del análisis, a sólo 4 evaluadores todavía les gusta el producto.

Las tablas que se muestran después son similares a los que se muestran en una curva de supervivencia paramétrica. Se ajusta una curva de Weibull al modelo. Podemos ver que ambos parámetros son significativos.

La función de distribución de la preferencia basada en una distribución Weibull es la siguiente:

Finalmente, se obtienen los cuantiles, que resultan muy útiles para la toma de decisiones.

 Podemos ver que la mediana del tiempo se sitúa entre 4 y 5 días una vez que el producto se ha colocado en la estantería.

Con este tipo de análisis pueden realizarse muchos otros cálculos y decisiones. Pueden agregarse variables exploratorias asociadas a cada uno de los jueces.